Pytorch
文章平均质量分 91
九重!
这个作者很懒,什么都没留下…
展开
-
Pytorch 学习第【7】天
1. Pytorch 学习今天主要学习Pytorch的Loss Functions等的内容【PS:注意结合前边内容。】Pytorch 学习第【1】天Pytorch 学习第【2】天Pytorch 学习第【3】天Pytorch 学习第【4】天Pytorch 学习第【5】天Pytorch 学习第【6】天2.损失函数 Loss Functions2.1 torch.nn.L1Loss创建一个标准,测量输入x和目标y中每个元素之间的平均绝对误差(MAE)。参数:torch.nn.L1Loss(原创 2022-05-11 12:19:19 · 889 阅读 · 0 评论 -
Pytorch 学习第【6】天
目录1. Pytorch 学习2. 填充层 Padding Layers2.1 torch.nn.ReflectionPad2d 和 torch.nn.ReplicationPad2d2.1.1 padding 参数2.1.2 python代码例子2.1.2.1 上边的例子复现代码3.非线性激活 Non-linear Activations3.1 torch.nn.ReLU 和 torch.nn.Sigmoid3.1.1 torch.nn.ReLU 和 torch.nn.Sigmoid 计算3.1.2 py原创 2022-05-02 23:42:12 · 1181 阅读 · 0 评论 -
Pytorch 学习第【5】天
目录1. 构建基本的神经网络1.1 定义自己的神经网络1.1.1 nn.Module类1.1.2 例子三级目录1. 构建基本的神经网络神经网络由对数据进行操作的层/模块组成。torch.nn命名空间提供了构建自己的神经网络所需的所有构建模块。PyTorch中的每个模块都子类化了nn.Module。一个神经网络本身就是一个由其他模块(层)组成的模块。这种嵌套结构允许轻松构建和管理复杂的架构。1.1 定义自己的神经网络我们通过子类化 nn.Module 来定义我们的神经网络,并在 init 中初始化神经原创 2022-04-29 18:31:31 · 1269 阅读 · 0 评论 -
Pytorch 学习第【4】天
目录一级目录二级目录三级目录一级目录二级目录三级目录原创 2022-04-18 19:08:45 · 961 阅读 · 0 评论 -
Pytorch 学习第【3】天
目录1. TensorBoard的使用1.1. tensorboard的安装1.1. tensorboard的简单运用1.1.1 导入SummaryWriter1.1.2 SummaryWriter使用介绍1.1.2.1 add_scalar使用方法1.1.2.2 add_image使用方法1.3 代码整合测试1.4 TensorBoard中输出查看1. TensorBoard的使用TensorBoard是一个可视化工具,它可以用来展示网络图、张量的指标变化、张量的分布情况等。【PS:在这之前检验自己原创 2022-04-17 20:26:48 · 1110 阅读 · 0 评论 -
Pytorch 学习第【2】天
目录1. 张量(Tensors)1.1 初始化张量1.1.1 直接来自数据1.1.2. 张量可以从NumPy数组创建1.1.3. 来自另外一个张量1.1.4. 使用随机或常量值2. 张量的属性3. 张量运算3.1. 判断是否存在GPU可用3.2. 标准类似 numpy 的索引和切片:3.3. cat 连接张量3.4. 算术运算3.4.1. tensor.matmul 与 @3.4.2. tensor.mul 与 *3.4.3. tensor.sum 与item4. tensor 与NumPy的联系4.1.原创 2022-03-05 21:40:06 · 834 阅读 · 0 评论 -
Pytorch 学习第【1】天
目录1. Pytorch安装:2. 梯度下降算法(Gradient Descent)2.1 梯度下降的原理:2.2 梯度下降运用例子:2.3 python代码实现:2.4. 运行结果3. 代码整合:1. Pytorch安装:可以参考之前的文章:Win10 下安装 CUDA Toolkit简单检查下:代码:import torchprint(torch.__version__) #版本print(torch.cuda.is_available()) #GPU是否可用结果:1.10.2原创 2022-03-03 14:34:46 · 1074 阅读 · 0 评论